|本期目录/Table of Contents|

[1]张　力,邓亚航,饶小李.颜色特征模型在静态车辆检测中的应用[J].武汉工程大学学报,2015,37(01):73-78.[doi:10. 3969/j. issn. 1674-2869. 2015.]
　,Ｃｏｌｏｒ ｆｅａｔｕｒｅ ｍｏｄｅｌ ｉｎ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｓｔａｔｉｃ ｖｅｈｉｃｌｅ ｄｅｔｅｃｔｉｏｎ[J].Journal of Wuhan Institute of Technology,2015,37(01):73-78.[doi:10. 3969/j. issn. 1674-2869. 2015.]
点击复制

颜色特征模型在静态车辆检测中的应用(/HTML)
分享到：

《武汉工程大学学报》[ISSN:1674-2869/CN:42-1779/TQ]

卷:
37
期数:
2015年01期
页码:
73-78
栏目:
机电与信息工程
出版日期:
2015-01-31

文章信息/Info

Title:
Ｃｏｌｏｒ ｆｅａｔｕｒｅ ｍｏｄｅｌ ｉｎ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｓｔａｔｉｃ ｖｅｈｉｃｌｅ ｄｅｔｅｃｔｉｏｎ
文章编号:
1674-2869(2015)01-0073-06
作者:
张　力; 邓亚航; 饶小李
昆明理工大学信息工程与自动化学院，云南 昆明 ６５０５００
Author(s):
ＺＨＡＮＧ Ｌｉ; ＤＥＮＧ Ｙａ－ｈａｎｇ; ＲＡＯ Ｘｉａｏ－ｌｉ
Ｆａｃｕｌｔｙ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ａｕｔｏｍａｔｉｏｎ， Ｋｕｎｍｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， Ｋｕｎｍｉｎｇ ６５０５００，Ｃｈｉｎａ
关键词:
静态车辆检测; 颜色特征; 车辆目标分离
Keywords:
ｓｔａｔｉｃ ｖｅｈｉｃｌｅ ｄｅｔｅｃｔｉｏｎ; ｃｏｌｏｒ ｆｅａｔｕｒｅ; ｅｈｉｃｌｅ ｔａｒｇｅｔ ｓｅｐａｒａｔｉｏｎ
分类号:
ＴＮ９１１
DOI:
10. 3969/j. issn. 1674-2869. 2015.
文献标志码:
A
摘要:
为了解决智能交通中的静态车辆检测准确率不高的问题，提出一种基于颜色特征的车辆目标检测方法．该方法首先根据Ｈｏｕｇｈ变换分割出路面感兴趣区域，利用颜色特征空间降维建立理想的颜色特征模型；其次，根据贝叶斯分类器进行路面与车辆的像素分类；最后，由最小割／最大流算法进行车辆目标分离．在实景采集交通视频图像后对文中提出方法和现存方法进行了对比评估．基于颜色特征的车辆目标检测方法对于静态车辆目标的检测准确率达到了６３．０５％，误检率降低至２１．２７％，漏检率降低至２４．０１％．与传统方法相比，该方法能更快、更准确地检测到目标．
Abstract:
Ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｌｏｗ ａｃｃｕｒａｃｙ ｉｎ ｓｔａｔｉｃ ｖｅｈｉｃｌｅ ｄｅｔｅｃｔｉｏｎ ｉｎ ｉｎｔｅｌｌｉｇｅｎｔ ｔｒａｎｓｐｏｒｔａｔｉｏｎ， ａ ｖｅｈｉｃｌｅ ｔａｒｇｅｔｓ ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｃｏｌｏｒ ｆｅａｔｕｒｅｓ ｗａｓ ｐｒｏｐｏｓｅｄ． Ｆｉｒｓｔｌｙ， ｔｈｅ ｐａｖｅｍｅｎｔ ａｒｅａ ｏｆ ｉｎｔｅｒｅｓｔ ｗａｓ ｓｅｇｍｅｎｔｅｄ ｂａｓｅｄ ｏｎ Ｈｏｕｇｈ ｔｒａｎｓｆｏｒｍ， ａｎｄ ｔｈｅ ｉｄｅａｌ ｃｏｌｏｒ ｆｅａｔｕｒｅ ｍｏｄｅｌ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ ｂｙ ｕｓｉｎｇ ｔｈｅ ｃｏｌｏｒ ｆｅａｔｕｒｅ ｓｐａｃｅ ｄｉｍｅｎｓｉｏｎ ｒｅｄｕｃｔｉｏｎ． Ｔｈｅｎ， ｐｉｘｅｌｓ ｏｆ ｐａｖｅｍｅｎｔｓ ａｎｄ ｖｅｈｉｃｌｅｓ ｗｅｒｅ classfied ｂｙ Ｂａｙｅｓｉａｎ ｃｌａｓｓｉｆｉｅｒ， ａｎｄ ｆｉｎａｌｌｙ ｔｈｅ ｔａｒｇｅｔ ｖｅｈｉｃｌｅ ｗａｓ ｓｅｐａｒａｔｅｄ ｂｙ ｔｈｅ ｍｉｎｉｍｕｍ ｃｕｔ／ｍａｘｉｍｕｍ ｆｌｏｗ ａｌｇｏｒｉｔｈｍ． Ｗｅ ｍａｄｅ ａ ｃｏｍｐａｒａｔｉｖｅ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｗｉｔｈ ｔｈｅ ｅｘｉｓｔｅｄ ｍｅｔｈｏｄｓ ａｆｔｅｒ ｃａｐｔｕｒｉｎｇ ｌｉｖｅ?蛳ａｃｔｉｏｎ ｔｒａｆｆｉｃ ｖｉｄｅｏ ｉｍａｇｅｓ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｄｅｔｅｃｔｉｏｎ ａｃｃｕｒａｃｙ ｉｓ ６３．０５％， ｔｈｅ ｆａｌｓｅ ｒａｔｅ ｄｅｃｒｅａｓｅｓ ｔｏ ２１．２７％ ａｎｄ ｔｈｅ ｍｉｓｓ ｒａｔｅ ｄｅｃｒｅａｓｅｓ ｔｏ ２４．０１％． Ｅｘｐｅｒｉｍｅｎｔｓ ｓｈｏｗ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｃａｎ ａｃｈｉｅｖｅ ｅｘｃｅｌｌｅｎｔ ｄｅｔｅｃｔｉｏｎ ｒｅｓｕｌｔ ｉｎ ｓｔａｔｉｃ ｖｅｈｉｃｌｅ ｔａｒｇｅｔｓ．

参考文献/References:

［１］　ＺＩＶＫＯＶＩＣ Ｚ． Ｉｍｐｒｏｖｅｄ ａｄａｐｔｉｖｅ Ｇａｕｓｓｉａｎ ｍｉｘｔｕｒｅ ｍｏｄｅｌ ｆｏｒ ｂａｃｋｇｒｏｕｎｄ ｓｕｂｔｒａｃｔｉｏｎ［Ｃ］//Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １７ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ， ２３－２６ Ａｕｇｕｓｔ ２００４． Piscataway, N.J.:ＩＥＥＥ,2004. ２８－３１．　　［２］　ＴＳＡＩ Ｌ Ｗ，ＨＳＩＥＨ Ｊ Ｗ，ＦＡＮ Ｋ Ｃ． Ｖｅｈｉｃｌｅ ｄｅｔｅｃｔｉｏｎ ｕｓｉｎｇ ｎｏｒｍａｌｉｚｅｄ ｃｏｌｏｒ ａｎｄ ｅｄｇｅ ｍａｐ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，2007,１６（３）：８５０－８６４．　　［３］　ＷＡＮＧ Ｘ Ｙ， ＺＨＡＮＧ Ｊ Ｌ． Ａ ｔｒａｆｆｉｃ ｉｎｃｉｄｅｎｔ ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｗａｖｅｌｅｔ Ｍａｌｌａｔ ａｌｇｏｒｉｔｈｍ［Ｃ］//Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２００５ ＩＥＥＥ Ｍｉｄ－Ｓｕｍｍｅｒ Ｗｏｒｋｓｈｏｐ ｏｎ Ｓｏｆｔ Ｃｏｍｐｕｔｉｎｇ ｉｎ Ｉｎｄｕｓｔｒｉａｌ Ａｐｐｌｉｃａｔｉｏｎｓ， ２８－３０ Ｊｕｎｅ ２００５Piscataway, N.J.:ＩＥＥＥ,2005.１６６－１７２．　　［４］　樊晓亮， 杨晋吉． 基于帧间差分的背景提取与更新算法［Ｊ］． 计算机工程， ２０１１， ３７（２２）：１５９－１６１． 　　ＦＡＮ Ｘｉａｏ?鄄ｌｉａｎｇ，ＹANG Ｊｉｎ?鄄ｊｉ． Ｂａｃｋｇｒｏｕｎｄ ｅｘｔｒａｃｔｉｏｎ ａｎｄ ｕｐｄａｔｅ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｆｒａｍｅ?鄄ｄｉｆｆｅｒｅｎｃｅ［Ｊ］． Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ，２０１１，３７（２２）：１５９－１６１．（ｉｎ Ｃｈｉｎｅｓｅ）　　［５］　杜鉴豪，许力．基于区域光流特征的异常行为检测［Ｊ］． 浙江大学学报：工学版， ２０１１，４５（７）：１１６１－１１６６．　　ＤＵ Ｊｉａｎ－ｈａｏ，ＸＵ Ｌｉ．Ａｂｎｏｒｍａｌ ｂｅｈａｖｉｏｒ ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｒｅｇｉｏｎａｌ ｏｐｔｉｃａｌ ｆｌｏｗ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｚｈｅｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ：Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｃｉｅｎｃｅ， ２０１１，４５（７）：１１６１－１１６６． （ｉｎ Ｃｈｉｎｅｓｅ）　　［６］　ＣＨＥＮＧ Ｓ Ｃ， ＹＡＮＧ Ｃ Ｋ． Ａ ｆａｓｔ ａｎｄ ｎｏｖｅｌ ｔｅｃｈｎｉｑｕｅ ｆｏｒ ｃｏｌｏｒ ｑｕａｎｔｉｚａｔｉｏｎ ｕｓｉｎｇ ｒｅｄｕｃｔｉｏｎ ｏｆ ｃｏｌｏｒ ｓｐａｃｅ ｄｉｍｅｎｓｉｏｎａｌｉｔｙ［Ｊ］． Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ Ｌｅｔｔｅｒｓ， ２００１， ２２（８）： ８４５－８５６．　　［７］　赵杰文， 方明， 刘木华，等． 基于Ｏｈｔａ和ＲＧＢ颜色空间牛胴体背长肌的分割［Ｊ］． 江苏大学学报：自然科学版， ２００６，２７（３）：１８９－１９２．　　ＺＨＡＯ Ｊｉｅ－ｗｅｎ，ＦＡＮＧ Ｍｉｎｇ，ＬＩＵ Ｍｕ－ｈｕａ，ｅｔ ａｌ．Ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ ｌｏｎｇｉｓｓｉｍｕｓ ｄｏｒｓｉ ｉｎ ｂｅｅｆ ｃａｒｃａｓｓ ｂａｓｅｄ ｏｎ Ｏｈｔａ ａｎｄ ＲＧＢ ｃｏｌｏｒ ｓｙｓｔｅｍｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｊｉａｎｇｓｕ Ｕｎｉｖｅｒｓｉｔｙ：Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ，２００６，２７（３）：１８９－１９２． （ｉｎ Ｃｈｉｎｅｓｅ）　　［８］　韩萍， 徐建飒． 复杂场景下的极化ＳＡＲ图像机场跑道检测［Ｊ］． 信号处理， ２０１３（９）：１２２０－１２２６．　　ＨＡＮ Ｐｉｎｇ，ＸＵ Ｊｉａｎ－ｓａ．Ｒｕｎｗａｙｓ ｄｅｔｅｃｔｉｏｎ ｉｎ ｃｏｍｐｌｅｘ ｓｃｅｎｅｓ ｏｆ ｐｏｌａｒｉｍｅｔｒｉｃ ｓｙｎｔｈｅｔｉｃ ａｐｅｒｔｕｒｅ ｒａｄａｒ ｉｍａｇｅ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，２０１３（９）：１２２０－１２２６． （ｉｎ Ｃｈｉｎｅｓｅ）　　［９］　孔文杰， 张化祥， 刘丽． 基于图像复杂度和贝叶斯的图像自动标注［Ｊ］． 计算机工程与设计， ２０１４，３５（６）：２１００－２１０３．　　ＫＯＮＧ Ｗｅｎ－ｊｉｅ，ＺＨＡＮＧ Ｈｕａ－ｘｉａｎｇ，ＬＩＵ Ｌｉ．Ａｕｔｏｍａｔｉｃ ｉｍａｇｅ ａｎｎｏｔａｔｉｏｎ ｂａｓｅｄ ｏｎ ｉｍａｇｅ ｃｏｍｐｌｅｘｉｔｙ ａｎｄ Ｂａｙｅｓｉａｎ［Ｊ］．Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｄｅｓｉｇｎ，２０１４，３５（６）：２１００－２１０３． （ｉｎ Ｃｈｉｎｅｓｅ）　　［１０］　刘松涛， 殷福亮． 基于图割的图像分割方法及其新进展［Ｊ］． 自动化学报， ２０１２， ３８（６）： ９１１－９２２．　　ＬＩＵ Ｓｏｎｇ－ｔａｏ，ＹＩＮ Ｆｕ－ｌｉａｎｇ．Ｔｈｅ ｂａｓｉｃ ｐｒｉｎｃｉｐｌｅ ａｎｄ ｉｔｓ ｎｅｗ ａｄｖａｎｃｅｓ ｏｆ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｍｅｔｈｏｄｓ ｂａｓｅｄ ｏｎ ｇｒａｐｈ ｃｕｔｓ［Ｊ］．Ａｃｔａ Ａｕｔｏｍａｔｉｃａ Ｓｉｎｉｃａ，２０１２， ３８（６）： ９１１－９２２． （ｉｎ Ｃｈｉｎｅｓｅ）　　［１１］　刘杨杨， 谢政， 陈挚． 最大动态流关键弧的改进算法［Ｊ］． 计算机应用， ２０１４，３４（４）：９６９－９７２．　　ＬＩＵ Ｙａｎｇ－ｙａｎｇ，ＸＩＥ Ｚｈｅｎｇ，ＣHEN Ｚｈｉ．Ｉｍｐｒｏｖｅｄ ａｌ　　ｇｏｒｉｔｈｍ ｆｏｒ ｖｉｔａｌ ａｒｃ ｏｆ ｍａｘｉｍｕｍ ｄｙｎａｍｉｃ ｆｌｏｗ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｐｐｌｉｃａｔｉｏｎｓ，２０１４，３４（４）：９６９－９７２．　　（ｉｎ Ｃｈｉｎｅｓｅ）　　［１２］　ＢＯＹＫＯＶ Ｙ， ＶＥＫＳＬＥＲ Ｏ， ＺＡＢＩＨ Ｒ． Ｆａｓｔ ａｐｐｒｏｘｉｍａｔｅ ｅｎｅｒｇｙ ｍｉｎｉｍｉｚａｔｉｏｎ ｖｉａ ｇｒａｐｈ ｃｕｔｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ＰＭＡＬ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ， ２００１，２３（１１）：１２２２－１２３９．

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：２０１４－１２－２４　　基金项目：国家自然科学基金（６１０６３０２７）　　作者简介：张 力（１９６３－），男，四川成都人，副教授．研究方向：计算机视觉、多媒术技术．
更新日期/Last Update: 2015-03-21